MyeGPT: an AI agent for Multiple Myeloma

MyeGPT 是一款由人工智能驱动的浏览器应用程序，它通过将自然语言查询转化为自动化、数据驱动的 analyses，使多发性骨髓瘤研究人员能够在无需编程技能的情况下，验证假设并可视化来自复杂的 CoMMpass 数据集的结果。

要点

想象一下，你拥有一座关于一种特定血液癌症——多发性骨髓瘤（Multiple Myeloma）——的庞大且极其详尽的医疗记录图书馆。这座图书馆被称为CoMMpass 研究，包含了 1,143 名患者的“生命故事”。其中涵盖了他们的症状、治疗历史、基因构成以及生存时长。然而，这里有一个限制：这座图书馆是用一种秘密代码（复杂的计算机编程语言）写成的，只有少数专门的图书管理员（生物信息学家）能够阅读。对于普通医生或研究人员来说，试图寻找一个具体的答案——例如“携带某种基因突变的患者是否存活时间更长？”——就像戴着蒙眼手套在干草堆里找针一样困难。

现在，MyeGPT 登场了。

什么是 MyeGPT？

把 MyeGPT 想象成一位超级聪明、精通双语的图书管理员，它已经熟记了整个 CoMMpass 图书馆。你不需要懂得那种秘密代码就能与它交流。你可以像询问真人一样，用通俗易懂的英语直接向它提问：“向我展示首次治疗后复发的患者的生存率，” 或者 “比较特定蛋白水平高与正常的患者的整体健康状况。”

MyeGPT 不仅仅是猜测答案。它像一名侦探那样行动：

1. 理解你的问题。
2. 深入数据库，寻找所需的确切数据页面。
3. 进行计算，得出答案。
4. 绘制图表（图表或图形），向你展示结果。

它是如何工作的？

研究人员使用一种名为代理人工智能（Agentic AI） 的人工智能构建了这位“图书管理员”。与仅仅进行聊天的标准聊天机器人不同，“代理”实际上可以执行操作。

• 大脑（大语言模型 LLM）： 这是理解你的语言并规划解决问题步骤的部分。
• 工具： MyeGPT 拥有一套数字工具。它有一个“搜索工具”用于在图书馆手册中找到正确的定义，一个“数据库工具”用于运行复杂的查询，以及一个“绘图工具”用于创建图形。
• 记忆（知识库）： 在开始之前，团队向 MyeGPT 输入了一份 52 页的操作手册，详细解释了数据库中每一列的具体含义。这确保了它不会混淆“治疗反应”或“拷贝数”究竟指代什么。

它奏效了吗？（试驾测试）

研究人员不仅构建了它，还对其进行了严格的驾驶测试，以验证其安全性和准确性。

1. 常识问答测试： 他们向 MyeGPT 提出了 20 个棘手的问题，这些问题需要复杂的数学运算和数据挖掘。他们将 MyeGPT 的答案与人类专家创建的“黄金标准”进行了对比。

   • 结果： 表现最好的 MyeGPT 版本得分79.4 分（满分 100 分）。它足够好，具有实用价值，尽管并非完美。有趣的是，一个更小、更便宜的 AI 模型的表现几乎与那些巨大且昂贵的模型一样好，使其成为一种具有成本效益的选择。

2. “重演”测试： 他们要求 MyeGPT 重现人类已经发表过的著名研究。

   • 结果： MyeGPT 成功复现了两项主要研究的发现。它计算的生存率和基因表达模式与原始人类研究人员的工作几乎完全吻合。

3. “人机”测试： 他们要求 MyeGPT 和人类专家都将患者分类为风险组（高风险 vs. 标准风险）。

   • 结果： AI 与人类之间的一致性极高（96.5%）。这意味着在查看这些数据时，AI 的“思维”与人类专家非常相似。

它现在能做什么？

该论文展示了 MyeGPT 处理三种类型的任务：

• 简单： “有多少患者服用了药物 X？”（一次快速查询）。
• 中等： “携带基因 Y 的患者对药物 Z 的反应是否更好？”（比较两组不同的数据）。
• 复杂： “扫描所有 1,143 名患者的完整基因代码，以寻找任何可能与治疗失败相关的基因。”（一次大规模的基因组范围搜索）。

重要局限性（细则说明）

作者非常明确地指出了 MyeGPT 不是什么：

• 它不是医生。 你不能问它：“我是否应该给这位特定患者使用这种特定药物？”论文明确指出，MyeGPT 仅用于研究和假设生成。由于 AI 可能会犯错，且数据来源于观察性研究（而非受控临床试验），其建议绝不应被用于为患者做出真实的医疗决策。
• 它需要研究环境。 它旨在帮助科学家在笔记本电脑甚至智能手机上探索数据，但目前还不是医院的临床工具。

总结

MyeGPT 是一个概念验证工具，它弥合了复杂、庞大的医疗数据集与想要使用这些数据的研究人员之间的鸿沟。它将一座需要计算机科学博士学位才能 navigated 的图书馆，转变为一个对话式的聊天界面。虽然它尚未准备好取代医生，但它充当了科学家强有力的“副驾驶”，帮助他们在多发性骨髓瘤数据的浩瀚海洋中，比以前更快地提出问题并找到答案。

技术摘要

技术摘要：MyeGPT——一种用于多发性骨髓瘤的 AI 智能体

问题陈述
MMRF CoMMpass 研究是多发性骨髓瘤研究的里程碑式资源，包含 1,143 名患者的全面临床和分子数据。然而，该数据集的复杂性——仅临床字段就达 763 个，此外还有多组学数据（全基因组测序 WGS、全外显子组测序 WES、RNA 测序、荧光原位杂交 FISH）——为研究人员带来了陡峭的学习曲线。现有工具，如 MMRF 虚拟实验室或 R 语言库（MMRFBiolinks、MMRFVariant），提供的分析范围有限，难以适应跨模态假设检验或自定义查询。此外，通用 AI 智能体在该领域面临障碍：它们缺乏对受控访问数据集（如 CoMMpass）的预配置访问权限，通常要求用户上传敏感数据，并且难以处理 CoMMpass 架构中固有的特定领域命名法和语义关系。

方法
作者开发了 MyeGPT（骨髓瘤生成式预训练 Transformer），这是一种专门设计的代理型 AI 系统，旨在充当多发性骨髓瘤领域的"AI 生物信息学家”。

• 架构：MyeGPT 采用 ReAct（推理与行动） 范式。它在交替循环中运行，其中大语言模型（LLM）针对用户的自然语言查询进行推理，制定计划，并使用特定工具执行操作。
• 数据基础设施：该系统由 PostgreSQL 数据库支持，包含源自 CoMMpass IA22 版本（特定易位使用 IA16a 版本）的 17 个互连表。其中包括人口统计学临床数据、治疗反应、生存数据、外显子变异、拷贝数变异以及衍生指标（如染色体碎裂调用和突变特征）。
• 知识库：为了弥合自然语言查询与数据库架构之间的差距，作者实施了 检索增强生成（RAG） 系统。一份描述 CoMMpass 字段的 52 页文档集被索引为文本嵌入向量存储。智能体在尝试生成 SQL 查询之前，会根据查询相似度检索相关的文档页面。
• 工具集：MyeGPT 采用了一套工具：
  • 文档搜索：通过向量相似度检索相关的架构文档。
  • LangChain SQL 查询：生成并测试 SQL 查询，包含 LIMIT 子句以防止调试期间的令牌膨胀。
  • Python SQL 查询：在沙盒 Python 环境中执行经过验证的 SQL 查询，将完整结果保存到磁盘。
  • Python REPL：执行统计分析、绘图和计算。
• 基准测试：作者构建了 CoMMpass 定量测试集（CQTS），包含 20 个按难度（简单、中等、复杂）分类的数值响应问题。评估指标包括 推理 - 准确性综合（RAC） 分数（对方法和答案正确性进行加权）以及净推荐值（NPS）。他们还评估了用于文档检索准确性的文本嵌入模型。

主要贡献

1. 专用数据集智能体：MyeGPT 作为一个“数据集策展人”智能体的概念验证，该智能体拥有对特定复杂生物医学数据集的深入预配置知识，消除了用户上传数据或手动映射字段名称的需求。
2. 成本优化策略：作者详细阐述了降低代理型 AI 成本的重大工程优化。通过利用 RAG 仅检索必要的文档页面，并强制执行两步 SQL 流程（先用 LIMIT 调试，再完整执行），他们将每次基准测试的成本从约 10 美元降低至约 0.10 美元（约 100 倍降低）。
3. 评估框架：本文引入了一套严格的基准测试协议（CQTS），其评分标准奖励逻辑推理步骤，而不仅仅是最终答案，从而能够区分因递归限制而失败的模型与因缺乏知识而失败的模型。

结果

• 基准测试性能：在数值响应基准测试中，Anthropic 的 Claude Opus 4.5 取得了最高的推理 - 准确性综合（mRAC）分数 0.794 和 +11 的 NPS，零分响应为零。在 OpenAI 模型中，经济实惠的 GPT-5 mini 表现具有竞争力（mRAC 0.681，NPS +6），提供了性能与成本之间的有利平衡。
• 嵌入模型：在文档检索方面，Google 的 gemini-embedding-001 和 OpenAI 的 text-embedding-003-large（3072 维）表现出优于低维模型的性能（首次尝试准确率约 67-68%）。
• 已知发现的重现：
  • 功能性高危（FHR）分类：当任务是将患者分类为标准风险（SR）、基因组高危（GHR）和 FHR 类别时，MyeGPT（使用各种 LLM）显示出与人类专家的高度评分者间信度。最高的一致性出现在 Claude Sonnet 4.5 与人类评分者之间（Cohen's κ = 0.965）。
  • PR 亚型分析：MyeGPT 成功重现了 Skerget 等人（2024）CoMMpass IA22 出版物中的生存分析和差异基因表达结果。虽然存在细微差异（归因于批次校正方法和截尾日期处理），但效应量和 p 值与原始研究高度吻合。
• 新场景：该系统成功执行了从简单单变量查询（例如，治疗终止原因的分布）到复杂全基因组筛选（例如，识别在 FHR 患者与 SR 患者中富集的突变并执行基因特异性 Cox 回归）的各种任务。

意义与主张
本文将 MyeGPT 定位为一种 研究加速引擎，而非临床决策支持工具。作者明确指出，由于 LLM 的非确定性特征以及 CoMMpass 研究的观察性设计，该工具仅限于 探索性数据分析和假设生成。

其主要声称的意义在于能够降低多发性骨髓瘤研究人员的技术门槛，使他们能够通过智能手机浏览器进行“随时随地”的分析，而无需编程技能。MyeGPT 证明了专用代理型 AI 能够有效导航复杂的多模态生物医学数据集，将自然语言查询转化为可重复的统计分析和可视化。作者鼓励为其他数据集（例如 TCGA）创建类似的专用智能体，以普及大规模生物医学数据的访问。